Registreret dansk virksomhed — CVR-nr. 46634675Databehandling på servere i EU
FlowParse

API til bogføringssoftware-udbydere

De dokumenter, en dansk virksomhed uploader hver måned — fakturaer, kvitteringer, kontoudtog — læst og struktureret over ét API-kald. FlowParse fylder direkte ind i jeres bogføringsflow, adskilt fra NemHandel og bankforbindelsen.

FlowParse
flowparse.io
flowparse.iolyd er ikke nødvendigt
0:00 / 0:00

Dokumentlaget under jeres bogføringsflow

"API til bogføringssoftware-udbydere" er et bevidst snævert navn — det betyder ikke at læse alt, en virksomhed nogensinde kunne producere, og det betyder specifikt ikke at genkende strukturerede OIOUBL- eller Peppol-fakturaer gennem NemHandel. Det betyder at læse de dokumenter, en dansk virksomhed rent faktisk uploader manuelt hver måned: fakturaer fra udenlandske leverandører, kvitteringer, kontoudtog.

Dette værktøj læser hvert af de dokumenter på samme måde, uanset kilde eller layout, og fylder direkte ind i jeres eget bogføringsflow over ét API-kald — ingen separat brugerflade, ingen egen arbejdsgang, kun den strukturerede data, jeres logik allerede forventer.

FlowParse
flowparse.io

Tænk på det som laget mellem et rå dokument, en kunde uploader, og alt det, jeres bogføringsflow har brug for fra det — kontering, afstemning, rapportering. Alle de trin nedstrøms afhænger af, at den underliggende dokumentdata bliver udtrukket nøjagtigt og ensartet først.

For en kunde er forskellen usynlig, men mærkbar — bilaget dukker bare op, allerede struktureret, klar til at blive gennemgået i stedet for indtastet.

Hvorfor bogføring kun er så pålidelig som bilagene bag den

En kontering eller afstemning er kun så pålidelig som sit svageste input, og dokumentet er ofte det, der ankommer som en ustruktureret PDF fra en kunde, jeres system ikke selv styrer. Et bogføringsflow bygget på inkonsistent eller delvist læst dokumentdata producerer fejlkonteringer, der undergraver tilliden til automatiseringen, selv når resten af systemet fungerer perfekt.

Det er ikke et teoretisk kanttilfælde — det er normaltilstanden for et voksende bogføringssystem. Efterhånden som kundebasen spreder sig over flere brancher og leverandørrelationer, bryder en genkendelse, der kun virkede pålideligt mod et smalt sæt velkendte formater, sammen præcis der, hvor det betyder mest: en kunde med en leverandør, systemet aldrig har set før.

For jeres egne kunder er konsekvensen konkret: en kontering, der ikke stemmer, eller en manuel rettelse, kunden selv skal opdage og løse — begge dele underminerer tilliden til, at systemet reelt sparer dem for arbejde, uanset hvor godt resten af produktet fungerer.

Hvad det læser

Fakturaer og kvitteringer

Fra enhver leverandør, digitalt eller scannet, klassificeret og læst automatisk.

Kontoudtog

Fra enhver bank, med hver postering og løbende saldo.

Flersidede dokumenter

Kontoudtog og rapporter med linjer, der strækker sig over flere sider.

FlowParse
flowparse.io

Uanset hvilken af de tre en kunde uploader, kommer det samme kald til /extract tilbage med det rigtige skema — jeres pipeline behøver ikke tre separate integrationer for de tre typer.

Hvilke felter bliver udtrukket

FeltEksempel
Leverandør, fakturanummer, dato, forfaldsdatoExample GmbH, INV-2201, 2026-06-03, 2026-07-03
LinjerBeskrivelse, antal, enhedspris, beløb — hver enkelt linje
Kontoudtogets bank, kontohaver, periodeExample Bank, Acme ApS, juni 2026
PosteringerDato, tekst, beløb, løbende saldo — hver enkelt postering

Alle felter kommer typet — beløb som rigtige tal, datoer som ISO 8601 — så jeres egen bogføringskode kan bruge dem direkte, uden et separat fortolkningstrin for hver kundes dokumentformat.

Sådan fungerer det

1

Jeres pipeline sender dokumentet

Ét POST til /extract, dér hvor jeres produkt allerede modtager bilag.

2

Automatisk klassificering og udtræk

Faktura, kvittering eller kontoudtog, læst ud fra dokumentets eget layout.

3

Sikkerhedsbaseret routing

Jeres system afgør tærsklen for automatisk godkendelse versus manuel gennemgang.

4

Fylder ind i jeres bogføringslogik

Struktureret JSON, eller en fileksport, klar til jeres egen beslutning.

De fire trin gælder uanset dokumenttype — en kunde behøver aldrig vælge, om det de uploader er en faktura eller en kvittering, og jeres pipeline behøver ikke separat logik for hver type.

En bunke kundebilag, behandlet

Et bogføringssystem behandler en første bunke på 20 dokumenter fra en ny kunde — mest fakturaer, et par kvitteringer, ét kontoudtog — fra leverandører og banker, systemet aldrig har set før.

DokumenttypeAntalResultat
Fakturaer fra kendte leverandører13Alle felter læst med høj sikkerhed
Fakturaer fra nye leverandører5Læst på samme måde, ingen skabelon nødvendig
Kontoudtog2Begge klassificeret korrekt, saldoen går op

Alle 20 dokumenter endte i det samme strukturerede output — den nye kundes ukendte leverandørmix bremsede ikke bogføringen, hvilket er præcis det scenarie, en snæver, skabelonbaseret intern genkendelse typisk har sværest ved.

Et voksende bogføringssystem, i praksis

Et større bogføringssystem behandler omkring 6.000 kundedokumenter om måneden, på tværs af hundredvis af forskellige leverandører og banker.

MåltalFørMed indbygget udtræk
Udviklertid på genkendelsesvedligeholdCirka en tredjedel af en udviklers tid hver månedIngen — genkendelse er en leverandørafhængighed, ikke intern kode
Friktion ved ukendte leverandørerHyppig kilde til kundehenvendelserIngen mærkbar friktion knyttet til ukendte kilder
Andel behandlet uden manuel gennemgangBegrænset af usikker genkendelse på nogle dokumenterForbedret, når sikkerhedsniveau kun ruter de reelt usikre videre

Den frigjorte udviklertid gik direkte til funktioner, kunderne havde efterspurgt i lang tid, men aldrig fik prioriteret, mens genkendelsesvedligeholdelsen konsekvent slugte kapaciteten.

Hvordan præcision ser ud på tværs af kunder

Feltnøjagtigheden på et rent, digitalt genereret dokument ligger nær toppen af intervallet, uanset hvilken leverandør eller kunde det kommer fra. En scannet eller fotograferet aflevering introducerer mere variation, hvilket er præcis der, sikkerhedsniveau pr. felt gør sit arbejde — det markerer de specifikke felter, det er værd at kigge nærmere på, i stedet for at behandle hele dokumentet som mistænkeligt.

På tværs af et typisk bogføringssystems voksende kundebase ligger den samlede feltnøjagtighed omkring 99 % — og fordi udtrækket ikke afhænger af en fast skabelon knyttet til én bestemt leverandør eller bank, kræver en ny kilde ingen manuel tilpasning fra jeres side.

Den granularitet betyder konkret, at én usikker linje på en ellers klar faktura ikke kræver samme gennemgangsindsats som et dokument, hvor genkendelsen har haft svært ved det som helhed — hvilket holder jeres kundes gennemgangskø proportional med den faktiske usikkerhed, ikke med den rå dokumentmængde.

FlowParse
flowparse.io

Eksportformater

JSON som standard til direkte integration i jeres egen bogføringslogik, eller Excel og CSV via /export, når en kunde eller revisor har brug for en fil.

POST /export — Excel-fil
curl -X POST https://flowparse.io/api/v1/export \
  -H "Authorization: Bearer pf_live_xxx" \
  -H "Content-Type: application/json" \
  -d '{ "format": "xlsx", "type": "invoice", "data": { ... } }'

Fileksporten er særligt nyttig, når en kunde selv skal videresende dokumentation til en revisor eller myndighed, uden at skulle formatere data om fra jeres eget bogføringsflow.

Overvågning af nøjagtighed, mens jeres kundebase vokser

Et bogføringssystems kundemix ændrer sig sjældent statisk — nye brancher, nye leverandørrelationer, nye dokumentformater dukker op, efterhånden som virksomheden vokser. Værd at følge over tid: andelen af dokumenter under jeres sikkerhedsniveau-tærskel, opdelt efter dokumenttype og, hvor det er praktisk muligt, efter kildens leverandør eller bank. En stigende tendens i en enkelt kategori er et konkret, tidligt signal — langt mere nyttigt end at vente på et bredere fald i den samlede godkendelsesrate for at bemærke, at noget har flyttet sig.

Fordi genkendelseskvaliteten vedligeholdes centralt frem for af jeres eget team, er et hul opdaget på denne måde en rapport værd at rejse, ikke en fejl jeres udviklere selv skal afsætte tid til at rette.

Denne løbende overvågning er selv en opgave, det er nemt at nedprioritere, når alt fungerer — men den er billig at holde ved lige, og den er den mest pålidelige tidlige advarsel, I har mod et kvalitetsfald, ingen ellers ville bemærke, før en kunde klager.

En ukendt leverandør er ikke et kanttilfælde

Et bogføringssystem, der vokser ud over sit oprindelige lanceringsmarked, begynder uundgåeligt at behandle kunder, hvis leverandørforhold falder uden for det sæt, teamet oprindeligt testede mod. For en skabelonbaseret intern parser er det her, nøjagtigheden stille og roligt falder — et nyt layout betyder enten en supportsag eller en manuel omvej, indtil nogen bygger en ny skabelon.

Fordi genkendelsen her læser ud fra hvert dokuments eget trykte layout frem for en fast skabelon pr. leverandør, behandles en kunde med en helt ny leverandørrelation præcis som en med en velkendt — det betyder direkte noget for et bogføringssystem, hvis vækststrategi afhænger af en stadig mere mangfoldig kundebase, ikke en statisk.

Sådan fungerer prisen

Udtræk afregnes pr. side, i kompleksitetstrin — et rent, énsidet dokument koster mindre end en flersidet rapport eller en scanning af lav kvalitet. Ingen licens pr. bruger, ingen minimumsforpligtelse for at komme i gang.

For et bogføringssystem oversættes det direkte til en kendt omkostning pr. kunde eller pr. bilag — et tal, I kan bygge ind i jeres egen prissætning, i stedet for en uforudsigelig infrastrukturpost.

GET /usage giver et konkret svar på, hvad det ville koste at behandle jeres eksisterende kundevolumen, før I forpligter jer til noget — regn på jeres eget dokumentantal, ikke et generelt gennemsnit.

Manuelt vs. indbygget

OpgaveAt bygge det selvIndbygget via API
Håndtering af en ukendt leverandørEn ny regel eller en manuel løsning byggetLæst på samme måde som enhver anden leverandør
Flersidede kontoudtogTilbagevendende kilde til fejl i genopbygningenPosteringer samlet og saldoen kontrolleret automatisk
Skalering til flere kunder og brancherVedligeholdelsesbyrden vokser med dokumentvariationenIngen ekstra udviklingsarbejde nødvendigt

Fra pilotkunde til fuld kundebase

Det samme kald håndterer en pilotkundes håndfuld dokumenter om dagen eller et produktionssystems tusindvis om måneden — gennemgangsindsatsen skalerer med de markerede undtagelser, ikke med den rå volumen, fordi pris og gennemløb er forbrugsbaseret frem for bundet til infrastruktur, I ellers selv skulle skalere på forhånd.

Det betyder også, at en pludselig stor ny kunde ikke kræver en forudgående kapacitetsplanlægning fra jeres side — integrationen håndterer den ekstra volumen, som den kommer.

Almindelige situationer, dette håndterer

En kunde, hvis leverandør er helt ukendt for jeres system — læst på samme måde som enhver kendt leverandør, uden forsinkelse mens der bygges en ny skabelon. En kunde, der uploader et dokument med et navn, der ikke helt matcher jeres kunderegister på grund af formateringsforskelle — læst præcis som trykt, så matchningslogikken forbliver jeres eget system. En flersidet rapport i et ukendt layout — linjer læst ud fra dokumentets egen struktur, ikke en fast skabelon.

I hvert tilfælde er værdien ikke en specialbygget funktion til den konkrete situation — den samme generelle genkendelsesproces håndterer dem alle, uden at jeres udviklingsteam skal bygge en workaround.

En sjette situation, værd at nævne separat: en kunde, der uploader et dokument på et andet sprog end dansk, fordi virksomheden handler internationalt. Så længe beløb og datoer følger et genkendeligt format, læses det på samme måde som et dansk dokument — ingen sprogspecifik opsætning krævet fra jeres side.

Fælles for alle seks er, at ingen af dem kræver en beslutning fra jeres side om, hvordan de skal håndteres — genkendelsen løser dem alle på samme måde, uden en manuel undtagelsesliste at vedligeholde.

Hvem bruger dette

Danske regnskabs- og bogføringssystemer

Indbyg dokumentgenkendelse uden at bygge og vedligeholde et OCR-lag selv.

Regnskabsbureauer med eget værktøj

Struktureret, sikkerhedsvurderet dokumentdata, der fylder direkte ind i jeres egen logik.

Fintech- og betalingsplatforme

Dokumentverifikation for de bilag, der ligger uden for en almindelig bankforbindelse.

Ingeniørteams, der evaluerer byg-eller-køb

Et konkret, testbart alternativ til at bygge genkendelsen internt.

Uanset hvilken af de fire I genkender jer selv i, er det underliggende spørgsmål det samme: skal dokumentgenkendelse være noget, jeres eget team bygger og løbende vedligeholder, eller noget I kalder som en veldefineret del af en leverandørs kerneprodukt.

Svaret afhænger sjældent af virksomhedens størrelse — det afhænger af, om dokumentgenkendelse reelt er kerneproduktet, eller blot en nødvendig understøttende funktion.

Sådan integreres det i jeres pipeline

For et system, der modtager dokumenter fra dusinvis eller hundredvis af kunder hver dag, er dette designet til at blive kaldt direkte dér, hvor jeres bogføringsflow allerede modtager bilag — uden at et menneske skal røre hver enkelt aflevering.

De fleste teams starter med en håndfuld manuelle testkald for at bekræfte, at svaret matcher deres interne bogføringsmodel, og kobler det derefter ind i den rigtige pipeline, når sikkerhedsniveau-routingen er tilpasset egen risikovillighed.

Et almindeligt mønster er at kalde /extract synkront lige efter upload, så kunden ser et øjeblikkeligt svar, og først bagefter afgøre, om dokumentet skal bogføres automatisk eller sendes til gennemgang.

Hvad dette ikke gør

Læser ikke strukturerede NemHandel-fakturaer

OIOUBL og Peppol er allerede data — de skal læses fra deres XML, ikke gennem dette API.

Konterer ikke selv posteringerne

Kontering og modkonti forbliver jeres eget systems logik, ud fra den struktur, I får tilbage.

Afgør ikke jeres godkendelsestærskel

Leverer sikkerhedsvurderede felter; workflow og tærskellogik forbliver helt jeres.

Disse tre grænser er bevidste, ikke begrænsninger, der overraskende viser sig senere — de afspejler, at dette API løser dokumentgenkendelsen specifikt, godt, i stedet for at strække sig ind i tilstødende problemer, andre leverandører allerede er bedre til.

Det er værd at nævne dette eksplicit i jeres egen produktdokumentation, så forventningerne er klare fra starten.

Sikkerhed

Uploadede dokumenter behandles krypteret og deles ikke med tredjeparter. Fulde detaljer findes på sikkerhedssiden.

Kundedokumentdata bruges aldrig til at træne AI-modeller eller deles med tredjeparter.

Værd at have klar for jeres egen kunde- og revisordokumentation, uanset hvornår spørgsmålet dukker op — bedre at have svaret klar end at skulle finde det frem under tidspres.

Spørgsmål og svar

Prøv det med et rigtigt kundedokument

Ingen oprettelse krævet for et første kald — hent en gratis API-nøgle og se svaret.

Læs videre